宽带离网用户分析（5） Lasso和Group Lasso

宽带离网用户分析之Lasso和Group Lasso

Lasso

　　Lasso，全称为(The Least Absolute Shrinkage and Selectionator operator)，是Tibshirani[1]在1996年提出的稀疏特征选择方法。
　　$\min_{\beta}||Y-X\beta||_2^2+\lambda||\beta||_1$ （1）
　　其中$X\in\textbf{R}^{m{\times}n}$ ，$Y\in\textbf{R}^{m}$分别表示数据矩阵和类标向量，$\lambda\geq0$是正则参数，$\beta\in\textbf{R}^n$是特征选择参数向量。第一项为损失函数项，第二项为罚函数项。
　　公式的含义很简单，就是找到所有特征的权重向量$\beta$，使得我们的（1）式的值最小，不但看出 ||Y−Xβ||2